梁俊鹏

(成都信息工程大学信息安全工程学院， 四川　成都　610225)



基于API频繁模式挖掘算法的Android恶意应用检测方法

梁俊鹏

(成都信息工程大学信息安全工程学院， 四川成都610225)

文章提出一种基于API频繁模式挖掘算法的Android恶意应用检测方法，通过挖掘API调用之间的关联，发现恶意软件中具有的频繁模式，采用一定去冗余操作提高检测的准确率检测未知的Android软件,并通过实验验证方法的可行性和有效性.结果显示，该方法对检测未知的Android软件可以达到83﹪的检测准确率，具有一定实用价值，可为进一步研究提供参考.

Android;恶意软件;静态检测;机器学习

市场调研机构高德纳咨询公司发布的最新报告显示，在2015年第二季度的统计中，全球智能手机中82.2﹪采用Android系统产品，占据智能手机市场的主导地位，远超iOS、Windows、BlackBerry等操作系统[1].由于Android系统具有较高的开放性，运行该系统的智能手机越来越多地成为恶意攻击者和恶意软件的攻击目标，出现了大量基于Android系统开发的软件，其中也包含了大量恶意程序.这些恶意软件对用户的信息安全构成了严重威胁，包括隐私泄漏、财产损失、商业机密泄露等.大量普通用户由于缺乏基本的信息安全意识，软件程序的来源渠道不正规等，导致恶意软件快速传播，造成较大危害.根据360公司发布的最新消息，2015年第三季度，360互联网安全中心共截获Android平台新增恶意程序样本558万个，平均每天截获新增手机恶意程序样本近6.07万个，累计监测到移动端用户感染恶意程序7 722万人次，平均每天恶意程序感染量达到83.9万人次.新增恶意程序主要是资费或流量消耗，占53.1﹪；……